BETA SAHAM PT. BANK CENTURY, TBK. BERDASARKAN MODEL CAPM DI BURSA EFEK INDONESIA BURSA EFEK SURABAYA Budi Setiawan1 ABSTRAK Perusahaan PT Bank Century Tbk, (Bank Century) merupakan salah satu perusahaan yang bergerak di bidang Perbankan. Perusahaan ini terdaftar sebagai perusahaan Domestik terbuka yang bertaraf internasional di Bursa Efek Indonesia (BEI) dan Bursa efek surabaya (BES) dengan kode saham BCIC. Sebagai perusahaan Domestik terbuka yang Bertaraf Internasional yang terdaftar di BEJ (Bursa Efek Jakarta )Dan di BES ( Bursa Efek Surabaya ) , perusahaan ini patut dipertimbangkan apakah layak dimasukan sebagai komponen dalam portofolio investasi. Salah satu aspek pertimbangannya adalah melihat perilaku saham BCIC ini terhadap Indeks Harga Saham Gabungan (IHSG). Sesuai dengan teori Capital Asset Pricing Model (CAPM), perilaku ini tercermin dalam nilai beta saham BCIC terhadap IHSG. Kata Kunci: beta, Bursa Efek Indonesia, Bursa Efek Surabaya, Indeks Harga Saham Gabungan, investasi, portofolio, saham. 1. PENDAHULUAN PT Bank Century Tbk, dengan kode saham BCIC di BEJ ( Bursa Efek Jakarta ) dan di BES ( Bursa Efek Surabaya ) merupakan salah satu dari Lima perusahaan yang bergerak dibidang jasa Perbankan Nasional dengan biaya modal terendah Pada tahun 1997 (Majalah SWA 29/XXIII/6- 30 September 1999 : 50). Di tahun 1999, perusahaan ini memiliki Cost of Capital (COC) 5%, Return on Capital (ROC) 15%, Future Growth Value (FGV) 30%, Market Value Added (MVA) Rp. 3.154 Miliar, serta Economic Value Added (EVA) Rp. -10 Miliar (Majalah SWA 26/XXIII/6-29 Desember 1999: 50). Sebagai perusahaan yang menpunyai nasabah yang terbanyak di domestic maupun di foreign karena menberikan Pelayanan ( Customer Service ) Kepada nasabah yang terbaik dan nasabah merasa senang dengan pelayanan yang diberi oleh Perusahaan PT Bank Century Tbk, , sehingga Perusahaan PT Bank Century Tbk, (Bank Century) bagian pemasaran berusaha untuk menarik investor lainnya agar investor mau menanam dana untuk kemajuan Perusahaan PT Bank Century Tbk, Untuk masa waktu Jangka Pendek ( 1 tahun ) dan Untuk masa waktu Jangka Panjang ( diatas 1 Tahun )agar bisa menbuka lapangan Pekerjaan dan Menyerap Tenaga Kerja dan mengurangi pengangguran serta meningkatkan daya beli masyarakat serta meningkatkan pertumbuhan ekonomi dan diharapkan berbagai sector industri dan khususnya sector jasa transportasi laut harus bisa menbuka lapangan pekerjaan dengan cara mengembangkan atau menbangun sarana dan prasarana tentang jalur distribusi 1
Mahasiswa Program Pascasarjana Magister Ekonomi Konsentrasi Keuangan Perbankan dan Pasar Modal Universitas Trisakti .
1
lalu lintas barang baik melalui Pelabuhan dan Bandar udara serta terminal agar menjadi lancar dan menbuka lapangan perkerjaan karena Negara Kita sebagian terdiri dari laut dan untuk mewujudkan itu itu harus menpunyai dana yang besar serta kerja sama semua pihak khususnya dari pemerintah harus bekerja sama dengan para investor luar negeri agar investor luar negeri mau mengivestasikan dananya disektor transportasi laut karena transportasi laut adalah titik vital bagi pertumbuhan ekonomi dan biaya pengirimannya murah dan terjangkau bagi eksportir mau importir yang melakukan perdagangan internasional dan menberikan customer service yang terbaik kepada nasabah agar disukai oleh stockholder-nya, dicerminkan oleh nilai MVA pada peringkat 10 dari 100 perusahaan jasa perbankan terbaik peringkat SWA tahun 1999 (Majalah SWA 26/XXIII/6-30 September 1999 : 50) walau pun pertambahan nilai perusahaan secara ekonomi sangat bagus, membuat BCIC sudah GO Public dan tidak perlu dipertimbangkan sebagai salah satu komponen dalam portofolio investasi. Dasar penilaian yang akan digunakan oleh Penulis dalam pertimbangan ini adalah nilai beta saham BCIC terhadap IHSG pada model CAPM. CAPM merupakan sekumpulan prediksi-prediksi yang berkaitan dengan keseimbangan expected returns pada aset-aset beresiko (Bodie, Kane, Marcus 2008:293). Model ini merupakan hasil pengembangan William Sharpe2, John Lintner 3, dan Jan Mossin4, berdasarkan manajemen portofolio modern yang dipelopori oleh Harry Markowitz. “The attraction of the CAPM is that it offers powerful and intuitively pleasing predictions about how to measure risk and the relation between expected return and risk.” (Fama dan French 2004:1)
Meski pun demikian, tidak dapat disangkal bahwa CAPM ini memiliki banyak kelemahan sehingga secara empiris, model ini sering salah dalam prediksi. “Unfortunately, the empirical record of the model is poor-poor enough to invalidate the way it is used in applications.” (Fama dan French, 2004:1)
Menurut Fama dan French, ini dikarenakan dalam CAPM, terlalu banyak menggunakan assumsi yang disederhanakan. (Fama dan French 2004). Walau pun demikian, CAPM merupakan model yang paling banyak digunakan karena model ini menawarkan keakuratan yang cukup untuk aplikasi-aplikasi yang penting (Bodie, Kane, Marcus 2008). Berikut adalah ringkasan asumsi-asumsi yang disederhanakan yang merupakan dasar CAPM5: terdapat banyak investor, masing-masing dengan sejumlah kekayaan yang sangat kecil dibandingkan total kekayaan keseluruhan investor. Investor merupakan penerimaan ( Permintaan ( demand ) ) harga, di mana mereka 2
Lihat William Sharpe, “Capital Asset Prices: A Theory of Market Equilibrium,” Journal of Finance, September 1964. Melalui jurnal ini William Sharpe berhasil mendapatkan hadiah Nobel di bidang Ekonomi tahun 1990. 3 Lihat John Lintner, “The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets,” Review of Economics and Statistics, Februari 1965. 4 Lihat Jan Mossin, “Equilibrium in a Capital Asset Market,” Econometrica, Oktober 1966. 5 Lihat Zvi Bodie, Alex Kane, Alan J. Marcus, “Investments”, edisi ketujuh, 2008. Pada bab 9 tentang The Capital Asset Pricing Model, hal. 355-402. Bodie, Kane, Marcus meringkas asumsiasumsi yang menjadi dasar CAPM, dengan mengecualikan tingkat kekayaan awal investor dan kesukaannya terhadap resiko.
2
bertindak seolah-olah harga saham tidak dipengaruhi oleh transaksi saham – saham masing – masing kecuali yang melakukan transaksi.. Semua investor merencanakan untuk satu periode investasi yang identik. Perilaku ini adalah miopi (pandangan jangka pendek) yang dalam hal ini mengabaikan semua hal yang mungkin terjadi setelah batas waktu, atau jatuh tempo satu tahun ( jangka Pendek ) akhir periode ini, yang jelas tidak masksimal. Investasi-investasi terbatas untuk aset-aset finansial yang diperdagangkan secara umum, seperti saham dan obligasi, serta terhadap kesepakatan perjanjian dan pemberian pinjaman kredit dan dikenakan bunga. Semakin besar investor pinjam maka semakin besar pula bunga yang dikenakan tanpa adanya pungutan liar ( pungli ) dan tanpa biaya administrasi . Investor tidak membayar pajak terhadap keuntungan dan tidak ada biaya transaksi (komisi dan biaya jasa) terhadap sekuritas yang diperdagangkan. Seluruh investor berusaha memaksimalkan total keuntungan ( imbal hasil ) dikurangi biaya (resiko rasional ).agar keuntungan lebih besar dari biaya. Itu namanya efisiensi dan efektif, yang berarti mengacu pada model pemilihan porto folio Markowitz Semua investor menganalisis sekuritas dalam cara yang sama dan memiliki pandangan ekonomis yang sama terhadap dunia. Asumsi ini kadang disebut sebagai ekspektasi yang homogen. Menurut Fama dan French (2004), dari asumsi dasar model portofolio Harry Markowitz (1959); Sharpe (1964) dan Lintner (1965) menambahkan dua asumsi kunci yang membuat CAPM menjadi model yang efisien secara meanvariance. Asumsi yang pertama adalah persetujuan terhadap harga pasar aset pada t-1, investor-investor setuju terhadap gabungan distribusi tingkat pengembalian aset dari t-1 hingga t. Asumsi kedua adalah tidak adanya biaya dalam pinjammeminjam yang berlaku sama untuk semua investor dan tidak tergantung kepada jumlahnya.6 Untuk memperjelas cara membangun CAPM, Sharpe (2007)7 menjelaskan tahap-tahap yang dilakukan dalam mengalokasikan aset: 1. Memilih kelompok-kelompok aset yang diinginkan dan indeks-indeks pembanding yang mewakili. Pilih periode data lampau yang mewakili. 2. Menghitung tingkat pengembalian untuk kelompok-kelompok aset. 3. Menghitung tingkat pengembalian lampau rata-rata, standar deviasi, dan korelasi. 4. Mengestimasi tingkat pengembalian yang diharapkan, standar deviasi, dan korelasi. Data-data lampau biasanya digunakan, dengan pengubahan yang memungkinkan, untuk standar deviasi dan korelasi. Tingkat pengembalian 6
Lihat Eugene F. Fama, Kenneth R. French, “The Capital Asset Pricing Model: Theory and Evidence”, The Journal of Economic Perspective, Nashville: Summer 2004. Bab The Logic of CAPM, hal. 2. Fama dan French menjelaskan dasar lahirnya CAPM dari model portofolio Markowitz dengan memperlihatkan asumsi dasar model Markowitz dalam periode t-1 hingga t. 7 Lihat William F. Sharpe, “Expected Utility Asset Allocation”, Financial Analysts Journal, Charlottesville: September/Oktober 2007, hal. 1-2. Sesuai dengan CAPM, dalam jurnal ini, Sharpe menekankan pada tahap ke-4 dan 5.
3
yang diharapkan biasanya berdasarkan kondisi-kondisi pasar sekarang dan/atau biasanya yang berkaitan dengan pasar modal. 5. Mencari beberapa perpaduan aset yang efisien mean-variance untuk sejumlah tingkat toleransi resiko. 6. Memproyeksikan hasil-hasil yang akan datang untuk perpaduan aset terpilih, sering sekali untuk beberapa tahun mendatang. 7. Mempresentasikan kepada dewan ringkasan yang relevan dengan hasil-hasil mendatang untuk tiap perpaduan aset terpilih. 8. Akhirnya, meminta dewan untuk memilih, berdasarkan pandangan-pandangan yang berkaitan dengan hasil-hasil tersebut, salah satu perpaduan aset tersebut akan menjadi kebijakan alokasi aset. Bodie, Kane, Marcus (2008) memberikan ringkasan persamaan-persamaan yang berlaku dalam dunia hipotesis bagi sekuritas dan investor8: 1. Semua investor akan memilih untuk memegang portofolio dari aset-aset beresiko dalam proporsi yang mewakili aset-aset dalam portofolio pasar (M), yang mencakup semua aset-aset yang diperdagangkan.Proporsi dari setiap saham didalam portofolio sama dengan nilai pasar saham (harga per lembar saham dikali jumlah saham yang beredar ) dibagi dengan nilai pasar total dari seluruh saham. 2. Tidak hanya portofolio pasar ini yang berada pada batas efisien, melainkan juga kemiringan garis ( tangency ) portofolio terhadap garis alokasi modal ( capital allocation Line ( cal ) yang diturun dari masing – masing investor. akibanya, garis pasar modal ( capital market line – CML), garis dari suku bunga bebas resiko yang melalui portofolio pasar, M tetapi juga akan portofolio pasar M, juga merupakan garis alokasi modal terbaik yang dapat dicapai. Seluruh investor memegang M sebagai portofolio aset berisiko yang optimal yang berbeda hanya dalam hal jumlah yang diinvestasikan di dalamnya dibandingkan di dalam aset bebas risiko. 3. tangensial terhadap Capital Allocation Line (CAL) optimal yang dimiliki oleh masing-masing dan tiap investor. 4. Premi resiko atas portofolio pasar akan proporsional terhadap risikonya dan tingkat penghindaran risiko yang ditunjukan oleh investor.secara matematis E(rM)-rf = Āσ2M × 0,01 Di mana σ2M merupakan varians dari portofolio pasar sedangkan Ā merupakan rata-rata tingkat penghindaran resiko di investor. Perhatikan bahwa karena M merupakan portofolio yang optimal yang didiversifikasi secara efisien di antara seluruh saham. Maka σ2M merupakan risiko sistematik dari populasi ini. dan portofolio optimal.
8
Lihat Zvi Bodie, Alex Kane, Alan J. Marcus, “Investments”, edisi ketujuh, 2008. Pada bab 9 tentang The Capital Asset Pricing Model, hal. 294-295.
4
5. Premi resiko terhadap aset-aset individu akan proporsional terhadap premi resiko pada portofolio pasar, M, dan koefisien beta dari saham relatif terhadap portofolio pasar. Beta didefinisikan sebagai: Cov(r i ,r M ) i Sedangkan premi resiko untuk satu saham adalah Cov(r i ,r M ) E (r i ) r f [ E ( r M ) r f ] i[ E ( r M ) r f ] 2
M
2. METODE ANALISIS Data saham BCIC diambil dari finance.yahoo.com dalam periode Januari 2002 hingga Oktober 2007, demikian juga dengan data Sertifikat Bank Indonesia (SBI) dan Indeks Harga Saham Gabungan (IHSG) atau JKSE. Masing-masing data memiliki jumlah pengamatan sebanyak 70 buah yang berupa data bulanan. Menurut Hendry dan Richard (1983), model yang digunakan dalam analisis empiris setidaknya memenuhi kriteria sebagai berikut9: 1. Penggunaan data yang valid sehingga prediksi model dapat diterima dengan logis. 2. Konsisten dengan teori agar economic sense dari model dapat diinterpretasikan. 3. Variabel independen harus tidak berhubungan dengan error term (have weakly exogenous regressor). 4. Nilai parameter stabil. 5. Hasil estimasi model benar-benar random (white noise). 6. Model komprehensif yang berarti hasil dari model mampu menjelaskan fenomena yang diteliti. Teorema Gauss-Markov mengatakan bahwa model harus memenuhi syarat klasik yaitu The Best Linear Unbiased Estimator (BLUE). Untuk mengetahui bahwa persyaratan ini dipenuhi, maka dilakukan pengujian terhadap heteroskedastisitas, otokorelasi dan kolinearitas berganda. Heteroskedastisitas merupakan suatu kondisi jika variabel gangguan tidak konstan dari satu observasi ke observasi lainya. Uji heteroskedastisitas dilakukan dengan white heteroskedasticity yang membandingkan sum squared residual weighted dan unweighted. Otokorelasi terjadi bila variabel gangguan suatu observasi mempunyai hubungan dengan observasi lainnya. Otokorelasi dideteksi dengan uji DurbinWatson yang membandingkan nilai statistik Durbin-Watson dengan nilai batas atas dan nilai batas bawah dari tabel Durbin-Watson berdasarkan jumlah observasi dan variabel bebas (tanpa nilai konstanta). Kolinearitas berganda atau multikolinearitas timbul bila variabel-variabel bebas mempunyai hubungan yang tidak bebas linier, sehingga menyebabkan 9
Gujarati (2003), “Basic Econometrics”, Edisi 4, McGraw Hill.
5
adanya informasi pada variabel bebas yang mubazir. Adanya hubungan linier yang signifikan antara beberapa variabel bebas menyebabkan koefisien praduganya cenderung memiliki error yang besar. Dalam model regresi linier sederhana10: y 0 1x Di mana y merupakan fungsi linier dari variabel x. β0, β1 merupakan parameter model. Ε merupakan variabel acak yang dapat dikategorikan sebagai error. CAPM yang diuji merupakan model regresi linear11: r i r f [r M r f ] Di mana ri merupakan data saham BCIC, rf merupakan data SBI sedangkan rm berupa data IHSG atau JKSE12. Secara empiris, pengujian model CAPM sesuai dengan spesifikasi model indeks, yaitu: r i r f i i [ r M r f ] 13 BCIC–SBI = α + β[JKSE–SBI]14 Persamaan empiris inilah yang akan diuji dengan menggunakan bantuan software EVIEWS versi 4.1. Tabel 1. Kriteria Pengujian pada EVIEWS versi 4.115 Jenis Pengujian Probabilitas Batas Penerimaan Unit Root < 0,05 Wald Test < 0,05 Correlogram Q-Statistics < -0,05 atau > 0,05 Histogram-Normality Test > 0,05 Serial Correlation – LM Test > 0,05 White Heteroskedasticity (Cross Term) > 0,05 3. HASIL ANALISIS Untuk pengujian model regresi sederhana ini, digunakan model ekonometrik sederhana, yaitu first order autoregression16. Sebelum regresi, terlebih dahulu
10
Lihat David R. Anderson, Dennis J. Sweeney dan Thomas A. Williams, “Statistics For Business and Economics 8e”, Thomson, 2007. Hal.539-540. 11 Lihat Zvi Bodie, Alex Kane, Alan J. Marcus, “Investments”, edisi ketujuh, 2008. Pada bab 9 tentang The Capital Asset Pricing Model, hal. 306. 12 Perkuliahan Bapak Argamaya, dosen Pascasarjana Magister Ekonomi Konsentrasi Keuangan Perbankan dan Pasar Modal, tanggal 3 Desember 2007. 13 Lihat Zvi Bodie, Alex Kane, Alan J. Marcus, “Investments”, edisi ketujuh, 2008. Pada bab 9 tentang The Capital Asset Pricing Model, hal. 307. 14 Perkuliahan Bapak Argamaya, dosen Pascasarjana Magister Ekonomi Konsentrasi Keuangan Perbankan dan Pasar Modal, tanggal 3 Desember 2007. Topik: CAPM. 15 Perkuliahan Bapak Argamaya, dosen Pascasarjana Magister Ekonomi Konsentrasi Keuangan Perbankan dan Pasar Modal, tanggal 10 Desember 2007. Topik: Implementasi CAPM pada EVIEWS versi 4.1.
6
dilakukan pengujian untuk menentukan data stasioner (Gujarati 1995:710-724, Intriligator ‘et al.’ 1996:208-216). Data stasioner ini berarti bahwa rata-rata dan kovariansi data tidak tergantung pada waktu.17 Pengujian ini dilakukan dengan Unit Root Test (metode Augmented Dickey-Fuller) pada EVIEWS versi 4.1. Kesimpulan dapat dilihat pada Tabel 2. Kesimpulan (tabel 2) disertai catatan bahwa untuk data SBI, pengujian pertama mengalami kegagalan, tetapi setelah Unit Root Test dilakukan pada 1st difference hasil yang diperoleh sesuai dengan ketentuan. Ini terjadi karena sifat data SBI itu sendiri yang memerlukan penyesuaian18. Tabel 2. Hasil Pengujian Unit Root Data Probabilitas BCIC 0,0000 JKSE 0,0000 SBI* 0,0000 *Pengujian Unit Root pada 1st difference.
Kesimpulan Data stasioner Data stasioner Data stasioner
Dari kesimpulan Tabel 2, di mana data telah memenuhi ketentuan data stasioner, maka data dapat digunakan untuk model CAPM yang diinginkan. Model regresi CAPM yang digunakan adalah: BCIC–SBI = α + β[JKSE–SBI] Selanjutnya, model regresi ini diuji untuk mengetahui apakah persyaratan klasik terpenuhi atau tidak. Hasil pengujian dan kesimpulan yang diperoleh dapat dilihat pada Tabel 3. Tabel 3. Hasil Pengujian Model Sesuai Persyaratan Klasik Jenis Pengujian Probabilitas Kesimpulan Wald Test Probabilitas* = 0,0000 Parameter linier Correlogram Q|AC| > 0,05 Tidak ada Statistics** |PAC| > 0,05 otokorelasi Histogram-Normality Jarque-Bera = 0,711489 Data terdistribusi Test*** Probabilitas = 0,700651 normal Serial Correlation – LM Probabilitas* = 0,664841 Tidak ada serial Test korelasi White Heteroskedasticity Probabilitas* = 0,621142 Tidak ada (Cross Term) heteroskedastisitas *Probabilitas yang diambil adalah probabilitas dari F-statistic. **Perhatikan Tabel 4 untuk tampilan visual dari hasil pengujian Correlogram QStatistics. 16
Lihat Argamaya, “Dampak Kebijakan Nilai Tukar Di Indonesia 1983-1999 Terhadap Harga dan Dinamika Moneter: Perspektif Ekonomi Politik dan Pilihan Rezim Nilai Tukar”, Jurnal Ekonomi & Bisnis, Februari 2001. Hal. 22. 17 Lihat EVIEWS 4.1 Help. Topik “Nonstationary Time Series”. 18 Perkuliahan Bapak Argamaya, dosen Pascasarjana Magister Ekonomi Konsentrasi Keuangan Perbankan dan Pasar Modal, tanggal 10 Desember 2007. Topik: Implementasi CAPM pada EVIEWS versi 4.1.
7
***Perhatikan Gambar 1 untuk melihat tampilan visual dari hasil pengujian Serial Correlation – LM Test. Tabel 4. Hasil Pengujian Correlogram Q-Statistics Date: 12/04/07 Time: 11:35 Sample: 2002:01 2007:10 Included observations: 70 Autocorrelation
Partial Correlation
.*| . .|. .|. .|. . |** **| . .|. . |** .*| . . |*. .*| . .|. .*| . .*| . .|. .*| . .*| . .|. .*| . .|. .|. .|. .|. .*| . .|. .|. .|. .|. . |*. . |*. .*| . .|.
.*| . .|. .|. .|. . |** .*| . .|. . |** .*| . .|. .*| . .*| . **| . .|. .*| . .*| . .*| . .|. .*| . .*| . . |*. .|. .*| . .*| . .|. .*| . .|. .|. .|. . |*. .*| . .|.
| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |
| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
AC
PAC
Q-Stat
Prob
-0.103 -0.031 0.044 -0.038 0.229 -0.208 0.048 0.244 -0.188 0.082 -0.167 -0.002 -0.101 -0.156 0.047 -0.099 -0.135 0.053 -0.128 -0.042 0.006 -0.012 -0.057 -0.138 -0.022 0.054 0.031 0.029 0.094 0.151 -0.155 0.055
-0.103 -0.042 0.037 -0.031 0.228 -0.179 0.042 0.234 -0.151 0.026 -0.114 -0.066 -0.231 -0.024 -0.093 -0.097 -0.139 0.060 -0.099 -0.117 0.140 -0.024 -0.169 -0.116 -0.051 -0.181 0.060 0.016 0.033 0.112 -0.167 0.056
0.7683 0.8406 0.9860 1.0967 5.1500 8.5722 8.7546 13.595 16.521 17.086 19.464 19.464 20.374 22.573 22.774 23.688 25.419 25.689 27.321 27.501 27.505 27.520 27.868 29.943 29.999 30.330 30.440 30.543 31.635 34.501 37.621 38.021
0.381 0.657 0.805 0.895 0.398 0.199 0.271 0.093 0.057 0.072 0.053 0.078 0.086 0.068 0.089 0.097 0.086 0.107 0.097 0.122 0.155 0.192 0.221 0.187 0.224 0.254 0.295 0.338 0.336 0.261 0.192 0.214
Tampilan visual dari Tabel 4 memberi kemudahan bagi Peneliti untuk mengamati hasil pengujian secara sekilas sehingga didapati kesimpulan sementara apakah data memenuhi kriteria atau tidak. Demikian juga tampilan grafik pada Gambar 1, memberikan kemudahan bagi Peneliti untuk mengamati hasil pengujian sehingga didapati kesimpulan sementara bahwa data terdistribusi secara normal. Hal ini sesuai dengan tampilan grafik yang memperlihatkan bentuk sebaran normal. Gambar 1. Hasil Pengujian Serial Correlation – LM Test
8
12 Series: Residuals Sample 2002:01 2007:10 Observations 70
10 8
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
6 4 2
Jarque-Bera Probability
0 -0.2
-0.1
0.0
-2.47E-15 -0.007360 0.173544 -0.210617 0.081451 0.226982 2.805433 0.711489 0.700651
0.1
Tabel 3 memperlihatkan bahwa model yang diuji telah memenuhi persyaratan klasik, yaitu BLUE. Dengan demikian model CAPM ini merupakan model regresi sederhana yang valid. Jadi, dari model ini diperoleh nilai beta saham BCIC terhadap JKSE adalah -0,126513. 4. PENUTUP Pengujian empiris CAPM berdasarkan tiga implikasi dari hubungan antara tingkat pengembalian yang diharapkan dan beta pasar yang digunakan dalam model. Ketiga asumsi tersebut adalah19: 1. Tingkat pengembalian terhadap semua aset secara linier berkaitan dengan beta mereka sendiri, dan tidak ada variabel lain yang mempengaruhinya. 2. Premi beta adalah positif, yang berarti bahwa tingkat pengembalian terhadap portofolio pasar melampaui tingkat pengembalian terhadap aset dengan memiliki tingkat pengembalian yang tidak berkorelasi dengan tingkat pengembalian pasar. 3. Dalam model versi Sharpe-Lintner, aset-aset yang tidak berkorelasi dengan pasar memiliki tingkat pengembalian sama dengan tingkat bunga bebas resiko, dan premi betanya berupa tingkat pengembalian pasar yang diharapkan dikurangi dengan tingkat bunga bebas resiko. Sesuai dengan hasil pengujian, diperoleh kesimpulan bahwa model empiris CAPM yang diuji sesuai dengan persyaratan klasik. Oleh karena itu, dapat diambil kesimpulan bahwa tingkat pengembalian yang diharapkan merupakan fungsi dari beta mereka sendiri. Menurut Campbell dan Vulteenaho20, beta dari suatu sekuritas dapat dibagi menjadi dua komponen. Komponen yang satu mengukur sensitivitas terhadap perubahan dalam keuntungan perusahaan, sedangkan komponen lainnya mengukur sensitivitas terhadap perubahan tingkat bunga pasar.
19
Lihat Eugene F. Fama, Kenneth R. French, “The Capital Asset Pricing Model: Theory and Evidence”, The Journal of Economic Perspective, Nashville: Summer 2004. Bab Early Empirical Test, hal.4. 20 Lihat John Campbell dan Tuomo Vuolteenaho, “Bad Beta, Good Beta,” American Economic Review 94 (Desember 2004), hal. 1249-1275.
9
Dalam penelitian yang sejenis, Cho dan Engle 21 mengemukakan bahwa estimasi beta dapat diperbaiki dengan memisakan berita-berita ekonomi yang tidak diharapkan dari berita spesifik perusahaan. Teknik demikian dapat membantu dalam memperbaiki kesalahan empiris dalam CAPM sederhana. Model Beta-Nol Portofolio beta-nol dapat dibentuk dengan memilih pasangan portofolio pada batas efisien dengan portofolio di bawah (tidak efisien) setengah dari batas tersebut yang tidak berkorelasi22. Persamaan CAPM untuk model beta-nol ini adalah sebagai berikut: Cov(r i ,r M ) r i r z [r M r z ] i [r M r z ] 23 2 M Di mana i merupakan portofolio pada batas efisien. Z merupakan pasangan portofolio beta-nol. M merupakan portofolio pasar. Fischer Black menggunakan karakteristik ini untuk memperlihatkan bahwa persamaan di atas merupakan bentuk persamaan CAPM di mana investor menghadapi batasan dalam meminjam dan/atau berinvestasi dalam aset bebas resiko24. DAFTAR RUJUKAN Argamaya, 2001. Dampak Kebijakan Nilai Tukar Di Indonesia 1983-1999 Terhadap Harga dan Dinamika Moneter: Perspektif Ekonomi Politik dan Pilihan Rezim Nilai Tukar. Jurnal ekonomi & Bisnis. Argamaya, 2007. CAPM. Materi Perkuliahan Tanggal 3 Desember 2007, Pascasarjana Magister Ekonomi Konsentrasi Keuangan Perbankan dan Pasar Modal. Universitas Trisakti. Argamaya, 2007. Implementasi CAPM Pada EVIEWS Versi 4.1. Materi Perkuliahan Tanggal 10 Desember 2007, Pascasarjana Magister Ekonomi Konsentrasi Keuangan Perbankan dan Pasar Modal. Universitas Trisakti. Anderson, David R., Dennis J. Sweeney dan Thomas A. Williams, 2002. Statistics For Business and Economics 8e. Thomson, South-Western. Singapura, 068808. Bodie, Zvi, Alex Kane dan Alan J. Marcus, 2008. Investment. Edisi Ketujuh. McGraw-Hill. New York, NY, 10020. Benninga, Simon, 2000. Financial Modeling. Edisi Kedua. Institut Teknologi Massachusetts. 21
Lihat Young-Hye Cho dan Robert F. Engle, “Time Varying Betas and Asymmetric Effects of News: Emperical Analysis of Blue Chips Stocks,” working paper, Department of Economics, Universitas California, San Diego, Februari 2000. 22 Lihat Zvi Bodie, Alex Kane, Alan J. Marcus, “Investments”, edisi ketujuh, 2008. Pada bab 9 tentang The Capital Asset Pricing Model, hal. 314. 23 Persamaan ini serupa dengan Security Market Line (SML) dari CAPM, dengan perkecualian tingkat bunga bebas resiko diganti dengan tingkat pengembalian yang diharapkan. 24 Lihat Fischer Black, “Capital Market Equilibrium with Restricted Borrowing,” Journal of Business, Juli 1972.
10
Dhankar, Raj S. dan Rohini Singh, 2005. Arbitrage Pricing Theory and The Capital Asset Pricing Model-Evidence From The Indian Stock Market. Journal of Financial Management & Analysis. Mumbai. Fama, Eugene F. dan Kenneth R. French, 2004. The Capital Asset Pricing Model: Theory and Evidence. The Journal of Economic Perspectives. Nashville. Gujarati, Damodar N., 1995. Basic Econometrics. McGraw-Hill. Singapura. Gunnlaugsson, Stefan B., 2006. A Test of The CAPM on a Small Stock Market. The Business Review, Cambridge. Hollywood. Intriligator, Michael, Ronald Bodkin dan Cheng Hsiao, 1996. Econometric Models, Techniques, And Applications. Prentice-Hall. USA. Lintner, John, 1965. The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets. Review of Economics and Statistics. Mason, Robert D. dan Douglas A. Lind, 1996. Teknik Statistika untuk Bisnis & Ekonomi. Edisi Kesembilan, Jilid 1. Penerbit Erlangga. Jakarta, 13740. Mossin, Jan, 1966. Equilibrium in a Capital Asset Market. Econometrica. Sharpe, William F., 1964. Capital Asset Prices: A Theory of Market Equilibrium. Journal of Finance. Sharpe, William F., 2007. Expected Utility Asset Allocation. Financial Analysts Journal. Charlottesville. Xiong, Yan dan Charles Davis, 2007. Zero-Investment Trading Strategies and The Measurement with Recognition of Short-Selling Constraints: A Theoretical Perspective. Journal of American Academy of Business, Cambridge. Hollywood.
11
